综合评价算法的对比分析

近来，看了一些综合评价算法的资料，这里面包含熵值法、TOPSIS法、层次分析法、模糊综合评价法。综合评价，顾名思义，就是对一些已有的评价结果进一步综合评价，进而得出具有决策意义结果的算法。
首先，说一下熵值法，以汽车综合评分为例，需要先获得每辆车在油耗、功率、费用等方面的评分，没有这个后面一切都是扯。熵值法要实现的就是通过对下面这个评分矩阵的分析，得出油耗、功率、费用等因素的权值（重要度），这个权值对于所有车都是一样的。之后，利用权值和每辆车在各个方面的评分就可以得到每辆车的综合评分结果，从而选出最优方案。
该算法为各个因素的权值确定提供了一种计算思路，具体计算过程不再赘述，见参考文献1。

然后，我们聊一下层次分析法，又称AHP（The Analytic Hierarchy Process）算法。是一种定性和定量相结合的、系统化的、层次化的分析方法，用来处理复杂的决策问题，比如从多种方案中选择一种最优的。
以去哪里旅游为例，需要先建立以下分析层次，然后，计算风景、交通、住宿等的权值，该权值的确定需要借助于一个比较矩阵，经过一系列计算后，如果该矩阵的一致性比率CR<0.1，则说明当前的比较矩阵具有满意的一致性，可进行后续的计算，否则就要调整该比较矩阵，直到CR满足要求。在CR满足要求的情况下，上述计算过程的特征向量就是风景等各个因素的权值。如果选择旅游目的地这件事情是100分，那么各个因素的分值通过权值即可获得。之后，在针对风景这个因素，设置三个目的地的比较矩阵，执行前述操作，得出三个目的地的权值，进而得出三个目的地在各个因素下的分值。最后，对三个目的地在风景、交通、住宿等因素下的分值求和，就是三个目的地的综合评分。
计算过程见文献2。
哎，一口气说这么多，真累。简单总结一下，它不同于熵值法的地方有：1、需要将问题划分为目标层、准则层和方案层，逐层分析，操作流程多一些；2、需要借助于比较矩阵，如果CR指标不满足要求，需要反复调整比较矩阵，这个较繁琐，而且引入了较多的人为因素影响。它与熵值法相同的地方是都是通过确定权值的方式计算综合评分，但是，如果让我二选一，那我还是果断选择熵值法，计算便捷。

比较矩阵如下所示：

接着，再聊一下topsis法，它是一种逼近理想解排序的方法。计算过程见文献3，我就不在此赘述了。说一下它的特点，它并不是通过计算权值的方式评估方案，而是利用熵值法中那个评分矩阵计算各个方案与最优方案的相对接近程度，以此确定各个方案排序。
最后，我们聊一下模糊综合评判法。该方法不但需要具备评分矩阵，还需要知道各个因素的权值。不过，它在多层次分析中体现出了自己的优势，具体计算过程见文献4。

参考文献：
【1】https://jingyan.baidu.com/article/e75aca85728d7b142edac6b8.html
【2】https://www.jianshu.com/p/9ced0d290bf0
【3】https://wenku.baidu.com/view/c3ece0ba5a8102d277a22f16.html
【4】
https://blog.csdn.net/qq_45400755/article/details/95783012